SPSS主成分分析.ppt

主成分分析实例- 不旋转使用默认值进行最简单的主成分分析(默认为主成分分析法:Principal components) 对美国洛杉矶 12 个人口调查区的 5个经济学变量的数据进行因子分析, 菜单: Analyze - Data Reduction - Factor ? Variables : pop , School , employ , Services , house ?其他使用默认值(主成分分析法 ponents ,选取特征值>1 , 不旋转) ?比较有用的结果:两个主成分(因子)f1,f2 及因子载荷矩阵( Component Matrix) ,根据该表可以写出每个原始变量(标准化值)的因子表达式: Pop ? + School ? - employ ? + Services ? - house ? - ?每个原始变量都可以是 5个因子的线性组合,提取两个因子 f1和 f2,可以概括原始变量所包含信息的 % 。 f1和 f2前的系数表示该因子对变量的影响程度,也称为变量在因子上的载荷。?但每个因子(主成分)的系数(载荷)没有很明显的差别,所以不好命名。因此为了对因子进行命名,可以进行旋转,使系数向 0和1两极分化,这就要使用选择项。洛衫矶对 12 个人口调查区的数据编号总人口中等学校平均总雇员数专业服务中等房价 no pop 校龄 School employ 项目数 Services house 15700 2500 270 25000 21000 600 10 10000 33400 1000 10 9000 43800 1700 140 25000 54000 1600 140 25000 68200 2600 60 12000 71200 400 10 16000 89100 3300 60 14000 99900 3400 180 18000 109600 3600 390 25000 119600 3300 80 12000 129400 4000 100 13000 因子分析实例- 旋转 Rotation 由于系数没有很明显的差别,所以要进行旋转(Rotation : method 一般用 Varimax 方差最大旋转),使系数向 0和1两极分化, 例子同上菜单: Analyze - Data Reduction - Factor ? Variables : pop , School , employ , Services , house ? Extraction :使用默认值( method : ponents ,选取特征值>1 ) ? Rotation : method 选 Varimax ? Score:Save as variables 和 Display factor score Coefficient matrix ?比较有用的结果:两个主成分(因子)f1,f2 及旋转后的因子载荷矩阵( ponent Matrix) ,根据该表可以写出每个原始变量(标准化值)的因子表达式: Pop ? f1 + f2 School ? 0 .941 f1 - f2 employ ? f1 + f2 Services ? + f2 house ? f1 - f2 ?第一主因子对中等学校平均校龄,专业服务项目,中等房价有绝对值较大的载荷(代表一般社会福利-福利条件因子); 而第二主因子对总人口和总雇员数有较大的载荷(代表人口-人口因子). P326 ?比较有用的结果:因子得分 fac1_1, fac2_1 。其计算公式:因子得分系数和原始变量的标准化值的乘积之和。然后可以利用因子得分进行聚类( Analyze- >Classify->Hierarchical Cluster )。主成分分析实例 P330 -不旋转市场研究中的顾客偏好分析在市场研究中,常常要求分析顾客的偏好和当前市场的产品与顾客偏好之间的